تخمین تطبیقی توزیع شده در شبکه های سنسوری بی سیم با در نظر گرفتن قابلیت اعتماد مشاهدات و محدودیت پهنای باند

اخیراً مفهوم تخمین تطبیقی توزیع شده به عنوان روشی مناسب برای تخمین در شبکه های سنسوری فاقد fc مد نظر قرار گرفته است. در قسمت اول این رساله مساله تخمین تطبیقی توزیع شده در شبکه های افزایشی مبتنی بر lms با در نظر گرفتن کیفیت مشاهدات در دو حالت کلی (1) شبکه همگن و (2) شبکه غیر همگن مورد توجه قرار گرفت. ابتدا نشان داده شد که چنانچه از شبکه تطبیقی در یک محیط همگن استفاده شود، از نظر خطای حالت دائم، نتایج بدست آمده تفاوتی با نتایج قابل ارائه توسط شبکه غیرمشارکتی ندارد. با این حال استفاده از شبکه تطبیقی این مزیت را دارد که با نرخ همگرایی سریع تری به جواب رسیده و لذا مزیت اصلی آنها در این مورد فقط سرعت همگرایی آن هاست. در حالت دوم ابتدا نشان دادیم که وجود گره هایی با کیفیت پایین سبب کاهش شدید کارایی شبکه های تطبیقی می گردد. برای حل این مساله در این رساله الگوریتم های متفاوتی ارائه گردید. ابتدا توجه خود را معطوف به طراحی الگوریتمی نمودیم که در آن هدف دسترسی به خطای کمتر نسبت به الگوریتم dilms به شرط نرخ همگرایی برابر با آن تعیین گردید. بسته به در دسترس بودن اطلاعات مربوط به واریانس نویز مشاهدات، برای این مورد دو الگوریتم مختلف ارائه گردید. با توجه به نتایج بدست آمده نشان دادیم که الگوریتم های پیشنهادی دارای عملکرد بهتری نسبت به الگوریتم dilms در شرایط مشابه می باشند. در ادامه، توجه خود را معطوف به طراحی الگوریتمی کردیم که در آن هدف دسترسی به نرخ همگرایی بالاتر نسبت به الگوریتم dilms به شرط داشتن خطای حالت دائم برابر با آن تعیین گردید. الگوریتم طراحی شده، الگوریتم تطبیقی با ضریب گام متغیر با زمان می باشد که در آن ضریب گام با گذشت زمان (تکرار بیشتر الگوریتم) کوچک تر می شود. این امر سبب بهبود نرخ همگرایی الگوریتم تطبیقی پیشنهادی نسبت به الگوریتم dilms می گردد. برای تمام الگوریتم های پیشنهادی پس از بدست آوردن روابط لازم، شبیه سازی متفاوتی برای نشان دادن کارایی آنها ارائه گردید. در قسمت دوم رساله حاضر عملکرد الگوریتم های تخمین تطبیقی با وجود محدودیت محدودیت پهنای باند مورد بررسی قرار می گیرد. به عبارت دیگر در این حالت هدف، رفتار الگوریتم های تخمین تطبیقی توزیع شده زمانی که از مقادیر کوانتیزه شده به جای مقادیر واقعی استفاده شود مورد بررسی قرار می گیرد. اهمیت این مساله ناشی از این حقیقت ناشی می گردد برای پیاده سازی الگوریتم های تخمین تطبیقی توزیع شده بر روی پردازنده ها نیازمند کوانتیزه کردن مقادیر مورد پردازش می باشیم. لذا بررسی رفتار الگوریتم های تخمین تطبیقی توزیع شده حائز اهمیت می باشد.در این رساله ابتدا نحوه پیاده سازی آن با استفاده از تعداد بیت محدود نشان داده شد و رابطه بروز کردن تخمین محلی در هر گره با در نظر گرفتن خطای ناشی از کوانتیزه کردن مقادیر مورد استفاده استخراج گردید. در ادامه روابط مربوط به مقادیر نهایی کمیت های msd، emse و mse برای حالتی که رگرسیون ها دارای توزیع گوسی و همچنین دارای توزیع دلخواه باشند استخراج گردید.